芯片革命：二维材料颠覆传统计算架构

撰稿人 | Charlie（浙江大学 博士生）

近年来，随着人工智能、大数据、5G等新一代信息产业的蓬勃兴起，人类社会要处理与分析的数据量也与日俱增。统计数据显示，2020年全球数据总量将达到44ZB,而到2025年全球数据总量将达到175ZB，增长三倍以上。这些海量的数据对我们芯片的计算能力提出愈来愈高的要求。在这一背景下，如何将已经有50多年历史的摩尔定律继续延续下去，已经成为了学术界和产业界共同面临的一大挑战。

近日，复旦大学微电子学院的周鹏（ 拓展链接）团队在Nature Nanotechnology发表综述文章，题为“Two-dimensional materials for next-generation computing technologies”，该篇文章从感知型计算和推理型计算两个角度，聚焦总结了二维材料应用到矩阵计算和逻辑计算当中的方法和潜力，同时指出了二维材料和传统材料在未来计算芯片中各自的优势和劣势，并进一步对二维材料在未来计算技术当中的发展前景做了展望。

根据数据处理方式的不同，计算任务可以分成感知型和推理型两类。

感知型计算的典型代表有图像识别，自然语言处理等基于神经网络的计算，推理型计算的具体例子则有CPU, FPGA等晶体管型计算。

在处理诸如物体识别和自然语言处理这类感知型计算时，高度并行的矩阵计算方法是最优方法；而处理推理型计算任务时，串行的逻辑计算方式效率会更高。

目前的计算架构是将计算单元和存储单元物理分离的冯诺依曼型架构，用户只能将这种单一的计算架构同时用于解决感知型计算和推理型计算中。然而，感知型计算和推理型计算的对计算架构的不同要求给冯诺依曼构型提出了严峻的挑战。

一方面，计算单元和存储单元之间的数据传输速率受到架构的限制，使得在处理感知型任务时数据迁移的能量和时间消耗甚至比计算本身的还要大。尽管目前业界已经提出了近内存技术来提高能效，但是硅通孔连接密度的制约使得这种近内存技术不足以实现高能效计算。

另一方面，推理型任务计算性能的提高需要在逻辑处理单元实现更高的晶体管密度。然而，当硅厚度减小到3nm以下时，Dennard缩放比例定律将会面临严重的性能衰减问题。

图1 矩阵运算和逻辑运算示意图

后来，人们认识到，如图1所示，既然感知型计算和推理型计算对架构的要求不同，根据不同类型的计算任务设计不同的架构才是解决计算性能问题更加高效的方式。据此，人们针对感知型计算任务设计了存内计算，而对于推理型计算设计了晶体管计算方式。

存内计算是一种使用阵列排布的内存器件来执行矩阵运算的技术，这种技术可以避免数据迁移带来的时间和能量消耗。这种技术在矩阵运算方面很有前景，但是距离商业应用还有很多技术问题需要解决。对内存的操作会显著地增加计算的能耗，这会抵消存内计算本身带来的节能优势；并且，内存的不稳定性会降低计算的精度；同时，非离子动力学机理会给低能耗仿生系统的实际实现带来诸多困难。

对于逻辑计算来说，存内计算已经被证实不合适串行计算，因为存内计算的逻辑计算效率很低，因此场效应晶体管技术仍然是最有前景的选择。为了能将晶体管的特征尺寸降低到5nm以下，由于其悬挂键会带来的强散射，因此体材料将不再是一个最佳的材料体系。而二维材料的无悬挂键优势使得其有可能克服传统晶体管的尺寸限制，同时实现计算和内存融合的高面积效率集成计算结构。

在这篇综述中，作者纵览了二维材料在芯片计算方面所带来的性能提高和器件创新，包括存内计算中功耗的降低，计算精度和仿生特性的提高，以及晶体管技术在逻辑计算中展现出的尺寸减小优势和高面积效率集成潜能。

自从石墨烯被发现以来，各种其他的二维材料，尤其是过渡金属二硫化物（TMDs）已经成为了研究的热点。二维材料的每一层之间通过无悬挂键的表面共价连接，并且相邻层之间很弱的范德瓦耳斯力使得人们可以很轻易地从二维晶体中分离出一层或者几层。这些特点使得二维材料拥有与传统的体材料非常不同的性质。得益于二维材料独特的层状结构，电子被束缚很薄的平面内，从而使得电子可以通过门电压精密地调控。因此二维材料拥有对短沟道效应免疫的潜力。

在后摩尔时代，由于量子效应的限制，体材料很难将特征尺寸做到5nm以下，而二维材料原子级的厚度使得它成为一个天然的材料候选者。

此外，二维材料有着丰富的材料体系，包括导体(石墨烯Graphene)，半导体(MoS2)和绝缘体(hBN)系统，同时可以通过能带调控设计来实现器件上的创新。此外，近年来，二维磁性材料的研究也逐渐升温。二维材料所有这些独特的性质都可以用来设计新颖的电子器件。最后，人们可以利用二维材料的可堆积特性来制造范德瓦尔斯异质结，这进一步扩大了二维材料体系的丰富性。

图2

内存和晶体管是实现存内计算和晶体管逻辑计算的核心器件，二维材料在这两方面均有很大的应用潜力。二维内存器件包括忆阻器（图2a）、忆阻晶体管（图2b）、闪存（图2c）和离子晶体管（图2d）。忆阻器采用经典的金属-绝缘体-金属结构，其中二维绝缘体可以作为交换层。忆阻晶体管采用三终端晶体管结构，具有栅极可调性，晶界迁移或其它缺陷的可逆漂移可以产生电阻开关效应。

闪存是基于电荷隧穿机制，而离子晶体管利用离子耦合来实现电导调制。通过利用二维材料的这些独特的性质，内存性能可以得到极大的提升。例如二维原子晶体石墨烯可以起到阻挡层的作用来提高器件的稳定性。拥有类似于石墨烯的蜂巢结构的hBN表现出完全不同的高绝缘特性，它在忆阻器中起着交换层的作用，使得忆阻器可以同时具有高可靠性和低编程电流。

由于二维材料厚度很薄，二维存储设备可以使用很低的工作电压来降低功耗。此外，二维晶体管，如双表面沟道（TSC）场效应晶体管（图2e）、铁电场效应晶体管（图2f）或范德瓦尔斯异质结构场效应晶体管（图2g）目前也已在实验中实现。最近的研究表明二维双表面沟道FET可以作为一种基本的逻辑门，实现原地存储。

铁电场效应晶体管，如负电容场效应晶体管（NCFET），可实现亚阈值摆幅的低功耗电子应用。进一步地，二维存储器件可以设计成阵列结构实现矩阵运算，而二维晶体管可以通过范德瓦尔斯异质结实现系统级集成，从而有望将内存与计算的融合。

图3 二维材料集成的优势

除了对单个器件性能的提升以外，由于二维材料的层状结构，二维材料可以实现更高面积效率的逻辑门结构和范德瓦尔斯集成，因为不同种类的二维材料可以方便的相互堆叠而不用考虑晶格失配的限制。

对一个芯片来说，逻辑计算是由各种逻辑门组合实现的。由于无论是单一的NAND门或是NOR门都可以组建起整个逻辑系统，因此问题的关键就是制造出NAND门或是NOR门。在体材料系统中，只有体材料的表面被利用起来进行器件设计，因此需要至少两个晶体管来组装NAND门或者NOR门（要有两个输入端口）。然而，基于二维材料，研究人员2019年提出了一种新型逻辑门结构，将用于组装基本逻辑门的晶体管资源减少了50%，只需要一个二维晶体管就可以实现。图3a展示了传统的逻辑门设计和基于二维材料的逻辑门设计的对比。

在一个二维晶体管中，通道材料的上表面和下表面都可以被利用起来；因此，一个双表面沟道（TSC）二维晶体管可以接收足够的输入信号端口来实现NAND门/NOR门。另外，研究人员证明了只有一个单层的二维MoS₂晶体管与一个负载电阻相连才可以同时实现NAND门和NOR门，同时这个逻辑功能可以实现光致开关。因为这种二维晶体管可以减少50%的晶体管资源消耗，同时可以灵活地在垂直方向上进行集成，这种新的逻辑门结构值得被进一步推广。

对于芯片级的集成，垂直集成是提高芯片密度的应用最广泛的方式，例如近内存技术。由于体材料中晶格缺陷的限制，传统三维集成是通过硅通孔（Through-Silicon-Via, TSV）方法实现的，这种方式互连密度很低。

图3b展示了传统硅基三维集成和范德瓦尔斯集成的对比。在硅基三维集成中，芯片垂直堆叠并且通过硅通孔方法相互连接。考虑到硅上孔的直径在几微米的量级，数据迁移的效率和芯片设计的空间其实非常受限。而对于范德瓦尔斯结集成，我们无需考虑晶格适配的问题。二维材料可以直接生长或者迁移到基底上，多余的材料可以被刻蚀掉。（但是应该注意到，目前二维材料在基底上的直接生长仍然是很有挑战性的工作，同时还要考虑到生长的温度和基底的质量。）在装置制造和氧化剥离以后，第二个功能层可以继续在原先第一个功能层上继续组装，不同层之间是由穿过介质层的几纳米厚度的金属实现的，这比硅通孔方法的效率高多了。通过范德瓦尔斯集成方法的使用，相邻功能层之间的互连效率将不再受限。因此，诸如一个计算层和一个存储层的每个功能层可以被垂直组装。因为计算层和存储层之间可以通过高密度的金属互连，这种方法可以极大地提高数据迁移效率。

图4 面向下一代计算技术的二维材料发展路线图

得益于无悬挂键的晶格和范德瓦尔斯异质结，二维材料可以提高矩阵运算性能，减小晶体管尺寸，提高晶体管面积效率，还在芯片集成方面优势巨大。

然而，总体来说，使用二维材料进行矩阵运算为人工神经网络计算服务才刚刚起步。尽管最近已经有研究团队实现了将一个神经网络结构应用到基于二维材料的矩阵运算中，但是目前矩阵的维度仍然很小。对于逻辑运算，二维材料在减小器件尺寸和高面积效率集成方面的优势显著，然而现在仍然缺少芯片层次集成的实验验证。从芯片发展的全局视角看，二维材料目前仍然有一些重要的技术问题需要解决。具体来说，从大面积具有稳定掺杂的晶体生长到增强芯片驱动电流的可靠方法，再到大规模异质集成，都有一些挑战和困难需要解决。

图4展示了发展面向下一代计算技术的二维材料的技术路线图，从材料到器件再到系统，二维材料都既展现出了独特的优势与潜力，同时也对我们现有的技术提出了更高的要求与挑战。相信如果我们在材料生长，器件制造和系统设计方面不懈努力，二维材料必将在未来下一代计算技术中发挥出重要的作用！

论文地址https://doi.org/10.1038/s41565-020-0724-3

信息来源： 长光所Light中心 中国光学

本信息源自互联网仅供学术交流 如有侵权请联系我们立即删除